本站原创
【摘要】 本文基于Kaya恒等式，找出与碳排放相关的因素，然后以这些因素为指标，对中国省域碳排放进行K均值聚类分析，从而将国内各省市分为4个区域，并根据不同的区域进行具体分析。
【关键词】 碳排放Kaya恒等式聚类分析
一、引言
我国幅员辽阔，各地收入水平、产业结构、资源禀赋等存在着很大的差异，因此在倡导节能环保、实施低碳发展时，必须要考虑到影响区域排放的因素差异，从而有目的、有针对性地制定不同的减排目标和策略。
C=（C/E）（E/GDP）（GDP/P）P） （1）
Kaya恒等式把能源相关的碳排放（C）对能源（E）、产出（GDP，国内生产总值）和人口（P）连接起来了。C/E表示能源的碳排放强度，也就是单位能源碳排放；E/GDP表示单位产出能源消耗（产出的能源强度）；GDP/P表示人均收入；P表示人口总量。
根据Johan A.，Delphine F.和Koen S.（2002）的方法，可以在Kaya恒等式的基础上把碳排放按照下面的公式分解。
在公式（2）中，C为碳排放总量；Ci为第i种一次能源的碳排放量；E为一次能源的消费量；Ei为i种能源的消费量；Y为国内生产总值（GDP）；P为人口。公式（3）表示的是人均碳排放的Kaya分解。从公式（3）可以看出，人均碳排放与能源结构（）、各种一次能源的碳排放强度（）、产出的能源强度（）和人均收入（）有关。其中各种能源的碳排放强度（）可以看做是一个常数，具体的数值可以参考国家发改委能源所和国家科委气候变化项目组等研究机构给出的数值；产出的能源强度（）与产业结构密切相关。因此，本文选取人均碳排放、能源结构、产业结构、产出的能源强度、人均收入这5个指标作为进行碳排放分析的相关指标。
本文的研究过程中采用了K均值（K-means）聚类算法。K均值算法是以平均值作为类的中心的一种聚类方法。检测设有n个对象，把它分为k类。其中，分成的聚类个数k是采用k均值算法必须预先制定的参数。聚类的过程可以通过以下几个步骤来进行：首先，随机选取k个对象，把每个对象作为一个类的中心，分别代表k各类；其次，根据距离中心最近的原则，寻找与各对象最相似的类，将其分配到各相应的类中；再次，在完成分配后重新计算每个类的平均值（中心），作为该类的新中心；接着根据距离中心最近的原则重新进行所有对象的分类；最后，返回步骤3，直到没有变化为止。
下面对我国内地各省的碳排放和与碳排放相关的发展情况运用K均值聚类算法进行分类分析。选取2008年我国内地30个省市自治区的人均收入、人均碳排放、能源强度、能源结构、产业结构作为指标来进行聚类分析。由于西藏数据缺失，所以这里没有把西藏纳入到分析过程中。指标中的人均收入、能源结构、产业结构、人口数据直接来源于《新中国六十年统计资料汇编》，能源结构用煤炭消费占能源消费的比例表示，产业结构用第二产业占国民经济的比重来表示，能源强度是用能源消费除以GDP算出来的，能源消费和GDP的数据也来源于《新中国六十年统计资料汇编》，人均碳排放数据是先根据Kaya恒等式算出各省一次能源的碳排放，然后除以各省的人口数得来的。
聚类分析中如果参与聚类的变量的量纲不同会导致错误的聚类结果。例如在本文分析中，能源结构和产业结构都是用百分比表示的，因而绝对值都不会超过1，而人均收入的单位是元，具体数值在几千到几万不等，如果不对数据进行无量纲化，那么在最终的聚类结果中，由于产业结构和能源结构的数值绝对值太小，就会完全起不了作用。因此在进行聚类分析之前必须对变量值进行标准化，消除量纲的影响。具体的消除量纲是通过下面公式来进行标准正态化的，结果见表1。
在进行聚类分析时，我们初始K值选4，就是说把全国省份分为四类，运用SPSS运算得到表2的聚类结果。
四、结论
通过K均值聚类分析，按照和低碳经济相关的5个因素——人均收入、人均碳排放、能源强度、能源结构和产业结构，可将中国内地（西藏除外）分为四个区域。
第一个区域为北京和上海。该区域是中国最发达的地区，经过这么多年的产业结构调整和升级，该地区已经形成以现代怎么写作业为主的产业结构模式。这些地区人均收入和生活水平较高，促使该地区碳排放增长的主要动力是城市居民消费方式的转变。该类地区实施低碳发展模式的重点在于转变传统工业文明的消费观念，倡导低碳消费方式。具体的举措有：大力推广建筑节能，鼓励使用节能电器，降低单位产品生产和使用的能耗，提倡公交、步行以及骑自行车等绿色出行方式。
第二类区域是
第三类有吉林、黑龙江、江苏、浙江、安徽、福建、江西、河南、湖北、湖南、广西、重庆、四川、贵州、云南、山西、甘肃、青海、新疆19个省区，它囊括了中国绝大多数省区。这些地区人均收入比较低，正在承接东部发达地区的产业转移，第二产业的比重在将来还会逐渐增加，工业耗能和工业碳排放也将会有较大的增长，这类省区应通过技术进步来调整产值的能源强度，充分发挥科学技术在减排中的作用，同时注意调整优化产业结构，转变生产模式，注重可再生能源的开发和利用，不能重走发达地区先污染再治理的老路。
第四类有天津、河北、山西、内蒙古、辽宁、山东、宁夏。这些省份是我国煤炭资源的主要产地，煤炭在能源结构中的比重非常大，同时工业在该地区产业结构中比重非常高，导致这些省份的能源强度非常高。这些地区也是我国减排压力最大的地区，在低碳减排方面最关键的是要努力提升煤炭资源的利用效率、降低能源强度、加大科技投入力度、使资源得到充分利用。
通过以上聚类分析可以看出，中国省域间的差异很大，这种差异必然要求采取不同的减排政策和措施。
【参考文献】
克劳斯·巴克豪斯，本德·埃里克森，伍尔夫·普林克等：多元统计分析方法——用SPSS工具[M].上海：格致出版社、上海人民出版社，2009.
张彬、姚娜、刘学敏：基于模糊聚类的中国分省碳排放初步研究[J].中国人口资源与环境，2011（1）.
[3] Johan Albrecht，Delphine Francois，Koen Schoors. A shapley decomposition of carbon emissions without residuals[J]. Energy Policy，2002（30）.
（责任编辑：刘冰冰）
【关键词】 碳排放Kaya恒等式聚类分析
一、引言
我国幅员辽阔，各地收入水平、产业结构、资源禀赋等存在着很大的差异，因此在倡导节能环保、实施低碳发展时，必须要考虑到影响区域排放的因素差异，从而有目的、有针对性地制定不同的减排目标和策略。
二、指标选取
在碳排放的因素分解分析中，Kaya恒等式得到推广并被广泛的运用。Kaya恒等式是由日本学者Yoichi Kaya（1990）在联合国政府间气候变化专门委员会的一次研讨会上首次提出的。Kaya恒等式通过一种简单的数学公式把人类活动产生的二氧化碳排放与经济、政策、人口等影响因素联系起来了。其表达式为：C=（C/E）（E/GDP）（GDP/P）P） （1）
Kaya恒等式把能源相关的碳排放（C）对能源（E）、产出（GDP，国内生产总值）和人口（P）连接起来了。C/E表示能源的碳排放强度，也就是单位能源碳排放；E/GDP表示单位产出能源消耗（产出的能源强度）；GDP/P表示人均收入；P表示人口总量。
根据Johan A.，Delphine F.和Koen S.（2002）的方法，可以在Kaya恒等式的基础上把碳排放按照下面的公式分解。
在公式（2）中，C为碳排放总量；Ci为第i种一次能源的碳排放量；E为一次能源的消费量；Ei为i种能源的消费量；Y为国内生产总值（GDP）；P为人口。公式（3）表示的是人均碳排放的Kaya分解。从公式（3）可以看出，人均碳排放与能源结构（）、各种一次能源的碳排放强度（）、产出的能源强度（）和人均收入（）有关。其中各种能源的碳排放强度（）可以看做是一个常数，具体的数值可以参考国家发改委能源所和国家科委气候变化项目组等研究机构给出的数值；产出的能源强度（）与产业结构密切相关。因此，本文选取人均碳排放、能源结构、产业结构、产出的能源强度、人均收入这5个指标作为进行碳排放分析的相关指标。
三、聚类分析
聚类分析是一种很常见的数据挖掘技术，它的主要作用是用于揭示数据库中未知的对象类。简单地说，就是对大量的数据进行分类，使得同一类别的数据之间的相似度尽可能大、相异度尽可能小，而不同类别之间的数据的相似度要尽可能小、相异度尽可能大。聚类分析的本质特征就是按照事物的所有特征来构建组，每组的成员应该显示出尽可能类似的结构。聚类分析来的目的是为了在众多对象中确定对象的同质性。本文的研究过程中采用了K均值（K-means）聚类算法。K均值算法是以平均值作为类的中心的一种聚类方法。检测设有n个对象，把它分为k类。其中，分成的聚类个数k是采用k均值算法必须预先制定的参数。聚类的过程可以通过以下几个步骤来进行：首先，随机选取k个对象，把每个对象作为一个类的中心，分别代表k各类；其次，根据距离中心最近的原则，寻找与各对象最相似的类，将其分配到各相应的类中；再次，在完成分配后重新计算每个类的平均值（中心），作为该类的新中心；接着根据距离中心最近的原则重新进行所有对象的分类；最后，返回步骤3，直到没有变化为止。
下面对我国内地各省的碳排放和与碳排放相关的发展情况运用K均值聚类算法进行分类分析。选取2008年我国内地30个省市自治区的人均收入、人均碳排放、能源强度、能源结构、产业结构作为指标来进行聚类分析。由于西藏数据缺失，所以这里没有把西藏纳入到分析过程中。指标中的人均收入、能源结构、产业结构、人口数据直接来源于《新中国六十年统计资料汇编》，能源结构用煤炭消费占能源消费的比例表示，产业结构用第二产业占国民经济的比重来表示，能源强度是用能源消费除以GDP算出来的，能源消费和GDP的数据也来源于《新中国六十年统计资料汇编》，人均碳排放数据是先根据Kaya恒等式算出各省一次能源的碳排放，然后除以各省的人口数得来的。
聚类分析中如果参与聚类的变量的量纲不同会导致错误的聚类结果。例如在本文分析中，能源结构和产业结构都是用百分比表示的，因而绝对值都不会超过1，而人均收入的单位是元，具体数值在几千到几万不等，如果不对数据进行无量纲化，那么在最终的聚类结果中，由于产业结构和能源结构的数值绝对值太小，就会完全起不了作用。因此在进行聚类分析之前必须对变量值进行标准化，消除量纲的影响。具体的消除量纲是通过下面公式来进行标准正态化的，结果见表1。
在进行聚类分析时，我们初始K值选4，就是说把全国省份分为四类，运用SPSS运算得到表2的聚类结果。
四、结论
通过K均值聚类分析，按照和低碳经济相关的5个因素——人均收入、人均碳排放、能源强度、能源结构和产业结构，可将中国内地（西藏除外）分为四个区域。
第一个区域为北京和上海。该区域是中国最发达的地区，经过这么多年的产业结构调整和升级，该地区已经形成以现代怎么写作业为主的产业结构模式。这些地区人均收入和生活水平较高，促使该地区碳排放增长的主要动力是城市居民消费方式的转变。该类地区实施低碳发展模式的重点在于转变传统工业文明的消费观念，倡导低碳消费方式。具体的举措有：大力推广建筑节能，鼓励使用节能电器，降低单位产品生产和使用的能耗，提倡公交、步行以及骑自行车等绿色出行方式。
第二类区域是
源于：毕业设计论文总结www.udooo.com
广东和海南，这些地区的主要特点是能源结构中煤炭的比例非常低，而石油、天然气和电力等比重较大；产业结构中工业比重不大，人均排放量少。海南作为一个旅游强省和生态农业大省，工业经济比重在全国是最小的省份之一。广东省一直都是中国改革开放的前沿阵地，经过这么多年的发展，产业逐渐转型升级，逐渐从以前的资源、劳动密集型向技术、智力密集型转换。第三类有吉林、黑龙江、江苏、浙江、安徽、福建、江西、河南、湖北、湖南、广西、重庆、四川、贵州、云南、山西、甘肃、青海、新疆19个省区，它囊括了中国绝大多数省区。这些地区人均收入比较低，正在承接东部发达地区的产业转移，第二产业的比重在将来还会逐渐增加，工业耗能和工业碳排放也将会有较大的增长，这类省区应通过技术进步来调整产值的能源强度，充分发挥科学技术在减排中的作用，同时注意调整优化产业结构，转变生产模式，注重可再生能源的开发和利用，不能重走发达地区先污染再治理的老路。
第四类有天津、河北、山西、内蒙古、辽宁、山东、宁夏。这些省份是我国煤炭资源的主要产地，煤炭在能源结构中的比重非常大，同时工业在该地区产业结构中比重非常高，导致这些省份的能源强度非常高。这些地区也是我国减排压力最大的地区，在低碳减排方面最关键的是要努力提升煤炭资源的利用效率、降低能源强度、加大科技投入力度、使资源得到充分利用。
通过以上聚类分析可以看出，中国省域间的差异很大，这种差异必然要求采取不同的减排政策和措施。
【参考文献】
克劳斯·巴克豪斯，本德·埃里克森，伍尔夫·普林克等：多元统计分析方法——用SPSS工具[M].上海：格致出版社、上海人民出版社，2009.
张彬、姚娜、刘学敏：基于模糊聚类的中国分省碳排放初步研究[J].中国人口资源与环境，2011（1）.
[3] Johan Albrecht，Delphine Francois，Koen Schoors. A shapley decomposition of carbon emissions without residuals[J]. Energy Policy，2002（30）.
（责任编辑：刘冰冰）